정보
이 스킬은 화합물의 작용기를 식별하기 위해 적외선(IR) 흡수 스펙트럼을 해석합니다. 진단 영역(4000–1500 cm⁻¹)의 특징적인 피크와 지문 영역(1500–400 cm⁻¹)의 흡수 패턴을 분석합니다. 개발자는 이를 활용하여 미지의 화합물을 동정하거나, 합성 생성물을 검증하거나, 불순물을 검출할 수 있습니다.
빠른 설치
Claude Code
추천npx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/interpret-ir-spectrumClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
name: interpret-ir-spectrum locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > 解读红外吸收光谱,通过识别诊断区(4000–1500 cm-1)的官能团特征峰和 指纹区(1500–400 cm-1)的吸收模式,确定化合物的官能团组成。用于 鉴定未知化合物、验证合成产物或检测杂质。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: spectroscopy complexity: intermediate language: natural tags: spectroscopy, infrared, functional-groups, wavenumber, absorption
解读红外光谱
通过系统解析红外光谱,确定有机化合物的官能团组成,包括分析诊断区的特征吸收、识别氢键效应,以及利用指纹区与参考谱库进行匹配。
适用场景
- 鉴定未知化合物的官能团
- 验证合成产物的结构(确认目标官能团存在)
- 区分含相似元素比例的异构体
- 检测样品中的杂质(通过异常峰)
- 对比已知化合物的参考谱,进行样品鉴定
输入
- 必填:红外光谱(图像或数字数据,波数范围 4000–400 cm-1)
- 必填:样品制备方式(KBr 压片、ATR、液膜、溶液)
- 可选:分子式或不饱和度(用于聚焦解读)
- 可选:NMR 或 MS 数据(用于综合鉴定)
- 可选:可能的化合物类别(有机酸、胺、酯等)
步骤
第 1 步:建立官能团检查清单
在查看谱图之前,先梳理可能存在的官能团:
- 若已知分子式,计算不饱和度:
DoU = (2C + 2 + N - H - X) / 2。DoU ≥ 4 表明可能含苯环;DoU = 1 表明含一个双键或环。 - 根据化合物类别(已知的合成目标、天然产物来源等)确定可能的官能团,例如:醇、羧酸、酯、胺、酰胺、烯烃、芳香环。
- 拟定一份"期望观察到的峰"清单,以便系统核查。
## 预期官能团
| 官能团 | 预期波数(cm-1) | 优先级 |
|-------|----------------|--------|
| [官能团] | [范围] | [高/中/低] |
预期结果: 明确列出所有待验证的官能团,避免在解谱时先入为主或遗漏。
失败处理: 若完全未知化合物,则从下一步系统扫描诊断区开始。
第 2 步:扫描诊断区(4000–1500 cm-1)
系统检查高波数区域的特征峰:
| 波数范围(cm-1) | 振动类型 | 对应官能团 |
|---|---|---|
| 3600–3200 | O-H 伸缩(宽峰) | 醇、酚、羧酸 |
| 3500–3300 | N-H 伸缩(双峰) | 伯胺(两个峰);仲胺(一个峰) |
| 3300 | ≡C-H 伸缩(尖峰) | 末端炔烃 |
| 3100–3000 | =C-H 伸缩 | 烯烃、芳香族 |
| 3000–2800 | C-H 伸缩 | 烷烃(几乎普遍存在) |
| 2720–2820 | C-H 伸缩(醛双峰) | 醛(费米共振特征) |
| 2260–2100 | C≡N 或 C≡C 伸缩 | 腈或炔 |
| 1870–1600 | C=O 伸缩 | 见下表 |
| 1650–1500 | C=C 伸缩 | 烯烃(1650)、芳香族(1600、1500) |
羰基区(最重要的诊断区)详细参考:
| 化合物类型 | C=O 波数(cm-1) |
|---|---|
| 酸酐(两个峰) | 1850、1760 |
| 酯 | 1735 |
| 醛 | 1725 |
| 酮 | 1715 |
| 羧酸 | 1710(宽峰) |
| 酰胺 | 1650–1680(酰胺 I 带) |
预期结果: 所有明显的诊断区吸收峰均被识别并记录,羰基峰(若存在)准确归属到具体官能团类型。
失败处理: 若 C=O 区无峰,但 DoU ≥ 1,则考虑 C=C 双键或环。若羰基峰的位置与预期相差超过 20 cm-1,考虑氢键(降低波数)或共轭效应(降低约 20–40 cm-1)。
第 3 步:分析氢键效应
氢键会显著影响 O-H 和 N-H 峰的位置和形状:
- 游离 O-H(无氢键):尖峰,约 3600 cm-1(仅在稀溶液中可见)。
- 分子间氢键(固体或纯液体中醇类):宽峰,3200–3400 cm-1,相对游离 O-H 显著红移。
- 羧酸二聚体:极宽的 O-H 吸收,2500–3300 cm-1;C=O 峰位于约 1710 cm-1。
- 分子内氢键(如 β-二酮烯醇):在特定波数处出现锐峰或宽峰,位置固定,不随浓度变化。
区分方法:用稀溶液(约 0.01 M 在 CCl4 中)测试——若宽 O-H 峰消失或变窄,则为分子间氢键;若不随浓度变化,则为分子内氢键。
预期结果: O-H 峰的宽度和位置均能得到合理解释(游离、分子间氢键或二聚体)。
失败处理: 若 O-H 区出现宽峰,且排除了氢键作用,考虑水分污染(KBr 吸水或液膜沾水)。
第 4 步:利用指纹区进行鉴定(1500–400 cm-1)
指纹区反映整个分子的骨架振动,包含大量复杂吸收带:
- 关键指纹区峰(可直接鉴定的):
- 1250–1050 cm-1 的强峰:C-O-C 伸缩(醚、酯)
- 约 1200 cm-1:C-F 伸缩
- 750–690 cm-1:苯环 C-H 面外弯曲(取代模式诊断)
- 苯环取代模式(通过 700–900 cm-1 面外弯曲 C-H 峰):
- 单取代(一取代苯):750、700 cm-1
- 邻二取代:750 cm-1
- 间二取代:780、690 cm-1
- 对二取代:830 cm-1
- 指纹区匹配:将样品谱与已知化合物(SDBS、NIST、KBr 库)的参考谱进行比对。相同化合物的指纹区应高度吻合;结构相关但不同的化合物会呈现差异。
预期结果: 主要指纹区吸收已识别,取代模式已确定,或已与参考谱成功比对。
失败处理: 若无法与已知谱匹配,则建立一份基于诊断峰的官能团清单,结合 NMR 进行综合鉴定,而非仅依赖 IR。
第 5 步:汇总官能团清单并得出结论
整合全谱分析,形成综合性结论:
## 官能团分析总结
| 观测峰(cm-1) | 振动类型 | 归属官能团 | 置信度 |
|--------------|---------|-----------|-------|
| [波数] | [伸缩/弯曲] | [官能团] | [高/中/低] |
## 结论
- 存在:[官能团列表]
- 不存在:[排除的官能团]
- 化合物类型建议:[烷烃/醇/酸/酯/胺/…]
- 建议进一步测试:[NMR、MS?]
预期结果: 以"存在"和"不存在"两组明确区分,完整地呈现官能团清单,并提出化合物类型推测。
失败处理: 若多种解释均符合,则提出所有可能性并列出各自的区分实验(例如:醇与酚的区分可通过碱溶液实验或 UV 吸收)。
验证清单
- 诊断区(4000–1500 cm-1)的所有主要峰均已识别
- 羰基峰(若存在)已归属到具体官能团类型(±20 cm-1)
- O-H 和 N-H 区已分析并考虑了氢键效应
- 指纹区用于确认或指纹匹配
- 所有鉴定结论均已与制样方式(ATR、KBr 等)的典型峰位修正相比较
- 官能团"存在"与"不存在"的结论均明确给出
- 结论与已知分子式(若有)相符
常见问题
- 忽略制样方式对峰位的影响:ATR 谱与透射谱中的峰位略有不同(约 5–10 cm-1),且 ATR 对低波数区域的灵敏度更高。切勿将其与透射参考谱直接比较,而不作修正。
- 将宽 O-H 峰与 N-H 峰混淆:仲胺(N-H)在 3300 cm-1 附近只有一个峰,且通常比醇的 O-H 峰窄;伯胺(NH2)则显示两个峰(不对称和对称伸缩,相差约 100 cm-1)。
- 忽视 C-H 醛的双峰:醛在 2720 和 2820 cm-1 附近有特征的 C-H 费米共振双峰,这是醛的重要诊断标志,常被初学者忽视。
- 将酯与酸混淆:酯的 C=O 峰(约 1735 cm-1)高于羧酸(约 1710 cm-1),且酯无宽的 O-H 峰,而羧酸则有宽的 O-H 吸收(2500–3300 cm-1)。
- 共轭降低 C=O 波数:α,β-不饱和羰基或芳香羰基的 C=O 吸收波数低于非共轭类型约 20–40 cm-1,可能被误认为酰胺。
- 忽视大气 CO2 和水蒸气的影响:约 2350 cm-1 处的 CO2 峰和 1630 cm-1 处的 H2O 峰是仪器背景吸收,若扣除背景不理想可能残留这些峰,不应归属到化合物结构。
相关技能
interpret-nmr-spectrum— 利用 NMR 确认 IR 鉴定的官能团interpret-mass-spectrum— 结合 MS 确认分子量和分子式plan-spectroscopic-analysis— 规划最优谱学分析组合方案interpret-raman-spectrum— Raman 与 IR 互补(互斥规则),可用于区分对称振动
GitHub 저장소
Frequently asked questions
What is the interpret-ir-spectrum skill?
interpret-ir-spectrum is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform interpret-ir-spectrum-related tasks without extra prompting.
How do I install interpret-ir-spectrum?
Use the install commands on this page: add interpret-ir-spectrum to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does interpret-ir-spectrum belong to?
interpret-ir-spectrum is in the Other category, tagged general.
Is interpret-ir-spectrum free to use?
Yes. interpret-ir-spectrum is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
연관 스킬
LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.
이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.
이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.
이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.
